Text

Pengembangan Aplikasi Clustering Fitur Ekspresi MicroRNA Sebagai Biomarker Penyebab Penyakit Kanker Ovarium menggunakan metode K-Means.

---

ABSTRAK
Kanker ovarium adalah tumor ganas yang berasal dari ovarium dengan berbagai tipe histologi yang dapat mengenai semua umur. Salah satu cara dalam mengindikasi kanker adalah melalui microRNA. Peranan microRNA pada kanker telah menjadi perkembangan penting dalam studi tumor sejak penemuannya pada tahun 2002. Perubahan microRNA dalam berbagai jenis membentuk pola spesifik pada jenis kanker tertentu khususnya kanker ovarium. Clustering menggunakan metode K-Means banyak digunakan dalam berbagai aplikasi seperti misalnya pada aplikasi pengenalan pola citra, web search, dan bidang ilmu biologi. Implementasi metode K-Means ke dalam bentuk aplikasi clustering fitur ekspresi microRNA bertujuan untuk membagi fitur ekspresi microRNA menjadi beberapa kelompok sehingga dapat membantu dalam memperkirakan indikasi penyakit kanker ovarium melalui microRNA. Oleh karena itu diperlukan aplikasi untuk mempermudah clustering ekspresi fitur microRNA yang mana jumlahnya sangat banyak. Aplikasi clustering data microRNA penyakit kanker ovarium telah dibangun sesuai dengan kebutuhan fungsional yang sudah dirancang. Dari pengujian pada nilai k = 2, k = 3, k = 4, k = 5 memperoleh hasil bahwa nilai k = 2 merupakan jumlah nilai cluster terbaik dengan akurasi 0.95, precision 0.96, dan recall 0,94. Hasil tersebut dipengaruhi oleh fitur ekspresi: hsa-let-7d, hsa-mir-200c, hsa-mir-92a-1, mir-92a-2, dan mir-99b.

Kata Kunci: Kanker Ovarium, MicroRNA, K-Means Clustering.

 
ABSTRACT
Ovarian cancer is a malignant tumor originating from the ovary with various types of histology that can affect all ages. One way to show cancer is through microRNA. The role of microRNA in cancer has been an important development in tumor studies since it was discovered in 2002. Changes in microRNA in various types form specific patterns in certain types of cancer, especially ovarian cancer. Clustering using K-Means method is used in various applications such as image pattern recognition, web search, and biological sciences. The implementation of K-Means in grouping application of microRNA expression features aims to divide microRNA expression features into several groups so that it can help in estimating ovarian cancer indications through microRNA. Therefore, we need an application to facilitate the grouping of many microRNA feature expressions. The microRNA cancer data clustering application has been built according to the functional requirements that have been designed. From the test at the value of k = 2, k = 3, k = 4, k = 5 results obtained that the value of k = 2 is the number of the best cluster values with accuracy of 0.95, precision of 0.96, and withdrawal of 0.94. This result is influenced by the expression features: hsa-let-7d, hsa-mir-200c, hsa-mir-92a-1, mir-92a-2, and mir-99b.

Keywords: Ovarian Cancer, MicroRNA, K-Means Clustering.

---

Ketersediaan

901F20IV

901 F 20-iv

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

901 F 20-iv

Penerbit

: ., 2020

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Alfitra Zaki Azhari

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar